AIの発注点提案で在庫金額を半年約300万円圧縮、LED照明メーカーの在庫管理

導入前は欠品が月に一度は発生し、生産計画の組み直しや緊急の調達依頼が常態化していました。品目数が多いため棚卸の在庫カウントには膨大な工数がかかり、バーコードとハンディを組み合わせた管理でも、読み込み忘れによる誤差までは消せていません。顧客の中心が国土交通省や県・市町村といった公共主体であり、工期を伸ばせない案件を抱える以上、一つの遅延が信用の毀損に直結する構造もありました。

編集部の見立てでは、この困りごとの本質は在庫を数えきれないことではなく、「いくつになったら発注するか」という基準そのものを、担当者の記憶と感覚に預けたまま運用していた点にあります。バーコードもハンディも、人が正しく操作することを前提に精度が成り立つ道具です。つまり課題は道具の性能ではなく、人の注意力を管理の土台に据えた設計にあり、だからこそ改善策も「気をつける」の延長では効かなかったのではないでしょうか。

選定の決め手として挙げられているのは「置くだけで始められる」というシンプルさで、ここには方式選択の判断が表れています。RFIDは部品一つひとつへのタグ貼付とコスト、貼り忘れのリスクが残り、バーコード運用の拡張では読み取り忘れというヒューマンエラーを構造的に消せません。選ばれたのは、精度を人の作業精度で担保する方式ではなく、人が何もしなくても在庫量が把握される方式でした。現場のオペレーションを変えずに済む切り分けが、品目数の多い部品棚という着手しにくい対象で展開を可能にしたと考えられます。

二つ目の要因は、自動発注という機能が「人に頼らない仕組みづくり」というDXの方針と正面から噛み合っていたことです。労働力人口の減少を前提に置く経営方針に対し、発注忘れを仕組みとして起こらなくする手立ては、方針の実装例そのものになります。掛け声が先行しがちだったDXが動き出した背景には、課題を最も感じている現場の担当者が自ら探して提案し、「まず試してみよう、ダメなら戻せばいい」という社風のもとで稟議が短期間で通った経緯もありました。公共照明やLEDモジュールの組立部品から始め、アルコールや手袋といった消耗品へ、さらに回転の遅い品目はデータを手入力して棚卸の補助に回すところまで対象を広げた進め方は、規模を伸ばしながら無理の出る領域を避ける現実的な運びです。

三つ目は、在庫最適化AIエージェントが「発注点を上げるべきか、下げるべきか」という、担当者がそのまま操作できる粒度で提案を返す設計にあります。在庫を最適化したいという意識はあっても、品目ごとの発注点をどう動かすかを経験と勘だけで判断するのは限界があり、品目数の多さの前で手が止まっていました。ここでAIが担っているのは在庫管理そのものの代行ではなく、蓄積された在庫データから「どの設定をどちらへ動かすか」という判断材料を出す役割で、反映するかどうかは人が決めます。AIに丸ごと委ねず、人が扱える単位まで論点を分解して渡す割り切りが、経験則から数値に基づく判断への移行を実務のレベルで成立させたのだと見ています。

導入後は欠品ゼロと納期遅延ゼロが継続し、在庫管理工数は体感で50〜60%削減されました。発注サイクルが整ったことで棚のスペースも整理され、工場内の整頓が進んでいます。在庫最適化AIエージェントの提案を反映した結果、対象とした約200品目の在庫金額は直近半年で約2,400万円から約2,100万円へ、およそ300万円（約15%）圧縮され、欠品防止と両立しています。対象は200品目に限られており、全品目に広げればさらに削減できる可能性があると位置づけられています。初期費用は約1年で回収できるという見立てが立てられていました。